卓越规模化：MIT掌舵者的领导力与AI教育洞察
导语
一家只有百余人的初创企业，创始人或许还能亲自审查每一场招聘；但当企业扩展至数千人，甚至演变成麻省理工学院这样历经150余载的庞然大物时，事务往往会不可阻挡地“趋向平均水平”。身为领导者，你该如何抵御平庸，将“唯才是举（Meritocracy）”的卓越准则实现规模化落地？
与此同时，当人工智能能够瞬间生成代码、撰写完美文案、甚至通过各类专业资格考试时，教育的价值是否正在被消解？五年后的大学将呈现怎样的形态？
带着这些疑问，Sequoia Capital播客《Long Strange Trip》近期专访了MIT校长Sally Kornbluth。作为顶尖学府的领航者，Sally在对话中不仅分享了她在庞大机构中坚守卓越准则的底层逻辑，更深入剖析了在人工智能飞速发展的时代，年轻人究竟该如何锻造不可替代的核心竞争力。
一、坚守纯粹的卓越：如何抵御机构中的“均值回归”？
Q：MIT一直是“唯才是举（Meritocracy）”和卓越的象征。许多初创企业在早期也能做到这一点，但最难的是随着规模扩大，如何维持高标准不滑坡？
Sally：如果你想实现“唯才是举”的规模化，本质上就是在思考如何实现卓越的规模化。
许多人在组建新团队时，自己往往是业务能力最出众的那个人。随着人手紧缺，你会面临一种诱惑：随便招些人进来干活。但坦诚地说，如果只是为了招“人”凑数，那还不如没人。
保持卓越的唯一途径，就是确保你引入的每一个人都足够优秀。我在杜克大学有一位同事，他办公室里挂着一块牌子，上面写着：
“如果你尝了一口平庸的棒棒糖，你就会一直糟糕下去。”
因此我们对每一次招聘的质量都非常重视。只有当你坚持极高的标准，人们在跨部门协作时才能建立一种底气——他们不仅知道自己能把事情做好，也深信隔壁办公室的同事同样出色。如果你在任何一个环节“开了一扇后门”，平庸就会像潮水一样涌入。
Q：对于那些正在快速扩张的CEO来说，当企业从150人发展到500人时，不可避免地会遇到标准下滑和管理上的“失控感”。你会给他们什么建议？
Sally：阻止标准下滑，要比下滑之后再试图恢复容易得多。在扩张期，你不可能再微观管理（Micromanage）每一个人，最重要的是构建一个强大的副手体系。
一开始，你可以抱有“信任但要验证”的态度，去确认这个人是否真的优秀。但确认之后，你必须让他们自己跑起来。如果你无法把坚持卓越的理念向下传达到整个队伍里，你就永远无法真正掌控它。你需要一组能够高频接触、向外辐射并亲自传递你价值观的核心团队。
Q：许多领导者实际上不敢真正放权，存在“信任问题”。如果在放权后，发现某个员工的表现确实低于期望，你通常会怎么处理？
Sally：绝不能等，要立刻把问题扼杀在萌芽状态。
如果有人破坏了信任，或者做得真的很糟，你有责任马上用非常直接、清晰的方式告知他们。因为时间拖得越久，这件事就会变得越困难。你会认识他们的家人、知道他们家养了什么狗，到那时你再开口说“抱歉你做得很糟，再见”，在情感上就太沉重了。
当然，这也是硬币的两面。纠错要及时，表扬同样需要。千万不要以为“他们知道自己做得很好”。如果在别人做得好时你能慷慨地给予肯定，那么在事情不顺利时，你的直接批评也更容易被接受。
Q：MIT里面聚集了大量聪明、甚至有些自我中心的天才（Prima donna）。作为校长，你如何管理这些特立独行、甚至有些难对付的人？
Sally：每个人都有自己的行事风格，但我在MIT见到的所谓“天才”，至少他们都有真正的硬实力。最糟糕的管理灾难，是那些明明没那么厉害，却自视甚高的人。
面对真正的天才，比如一个刚拿了诺贝尔奖的教授跑来跟我强调他的项目有多重要，我绝不会去反驳他。因为这里发生的事情确实非常惊人。管理这些人的核心，不是用统一的标准去规训他们，而是要像科学家做实验一样去观察：他们真正需要什么？什么能驱动他们？什么能让他们高效且开心？
你需要根据每个人的动机来调整管理方式。弄懂聪明人觉得什么东西“有趣”，然后顺着这种好奇心去激励他们，往往比强硬的制度更有效。
二、AI时代的教育：我们该把什么“外包”给机器？
Q：现在有越来越多声音质疑高等教育的价值，甚至有科技巨头鼓励年轻人放弃读大学。加上AI工具的爆发，获取知识变得易如反掌。五年后的教育到底会是什么样？
Sally：大学经历远远不只是获取某一组具体的技能。许多校友告诉我MIT改变了他们的人生，绝不是因为某一门具体的课，而是整个沉浸式的环境。
面对AI的冲击，我们必须明确一个根本点：无论AI能做什么，我们依然是在“培养人”。
我们的毕业生必须学会把AI当作一种“增强器”，并学会在这个新环境中生存。问题在于，为了保持创造性思考，你的大脑里到底需要装多少知识？又有多少认知是可以外包给机器的？
其实，哪怕AI能一秒钟写出代码，学生依然需要懂基础编程。因为你必须判断AI是在胡说八道还是给出了正确答案；你必须在脑海里有系统架构的概念，才能向AI提出正确的问题。
写作也是一样。写作就是思考。只让AI替你写点什么，并不等同于你自己真正思考了一份草稿、拆解了一个复杂问题。
Q：既然知识唾手可得，像传统的讲授式“物理课堂”未来还会存在吗？
Sally：也许会有所演变。你可以想象一种类似牛津、剑桥的“导师制”体系：学生在课外通过AI导师（AI tutor）进行小组学习、获取事实性材料；然后回到课堂上，与真实的教师和同学进行深度的交锋与辩论。
人与人之间的互动、面对面的讨论，以及来自教师和同学的严厉批评，这才是真正构成了大学体验的核心。我认为这部分不仅不会消失，反而会变得愈发珍贵。
Q：如果你现在17岁，正准备上大学，在这样一个被AI重塑的时代，你会选择学什么？
Sally：科学界依然有许多亟待探索的深水区。如果让我选，我会选择神经科学，因为大脑的奥秘至关重要；或者免疫学，它将影响人类健康的所有领域。
但我更想给出的是一个底层建议：选择一个能让你真正成为“思考者”的领域。
在我读研究生的年代，你只要靠手工测序一个基因就能拿到博士学位，那是一种技术性劳动（体力活）。但在今天，AI和各种工具已经为年轻人提供了无数双强大的“手”。如果你只是想去当一双“手”，那就不要读博了。你必须成为那个驾驭工具、富有创造力的“大脑”。在MIT，我们的校训是“手与脑（Mens et Manus）”，在物理AI真正成熟之前，只有把你的大脑锻炼到极致，你才能指挥那些被解放出来的“手”。
内容